[发明专利]一种无监督式的宫颈细胞图像自动分割方法及系统

权利要求书

1.一种无监督式的宫颈细胞图像自动分割方法，所述方法包括：

步骤1)对宫颈细胞图像进行预处理；

步骤2)对预处理后的细胞图像进行前背景粗分割，提取细胞所属的区域；

步骤3)对粗分割后的细胞图像进行细胞成分的检测分割，使用快速区域卷积神经网络分割出不同类型的细胞；

步骤4)检测并分割宫颈细胞细胞核；

步骤5)根据细胞核的特征参数筛选细胞核，得到最终的候选细胞核；

步骤6)判断步骤3)中得到的细胞类型是否为细胞团簇，如果不是，则使用活动轮廓模型以及先验模板进行细胞质区域的分割；否则，转入步骤7)；

步骤7)综合细胞核与细胞质的分割结果与领域知识进行后处理，完成整个宫颈细胞的有效分割；

所述步骤4)的具体实现过程为：

采用改进的随机森林的算法，通过提取细胞核的5种特征进行细胞核区域的分割；使用多尺度分水岭算法进行细胞核的检测，通过选取5种不同的参数进行合并，将待分割图像分为合并程度高和合并程度低的不同尺度的细胞图像，再将两者的检测到的结果结合起来，作为细胞核的候选区域。

2.根据权利要求1所述的无监督式的宫颈细胞图像自动分割方法，其特征在于，所述步骤1)的预处理包括：采用双边滤波器对图像进行去噪，该滤波器是由两个函数构成：一个函数是由几何空间距离决定滤波器系数，另一个由像素差值决定滤波器系数；然后使用形态学处理对图像的边缘进行修补，填充空洞并去除细的连接，最后使用直方图均衡化来增加细胞核与细胞质的对比度。

3.根据权利要求1所述的无监督式的宫颈细胞图像自动分割方法，其特征在于，所述快速区域卷积神经网络选用卷积神经网络的VGG16的网络结构，输入图像的大小为515*512，最终细胞成分的检测类别分为5类：鳞细胞、腺细胞、颈管细胞、化生细胞以及背景素质，除鳞细胞和背景素质外的细胞成分都定义为不可分的细胞团簇。

4.根据权利要求1所述的无监督式的宫颈细胞图像自动分割方法，其特征在于，所述步骤6)中的使用活动轮廓模型以及先验模板进行细胞质区域的分割的具体过程为：

采用了改进的活动轮廓模型，加上能量函数以及形状先验信息，迭代地进行轮廓的优化，得到细胞质的精确边界；

能量函数E(u)为：

E(u)＝λ₁E_s(u)+R(u) (2)

其中E_s(u)是形状先验，R(u)是正则项，用于保证分割边界的平滑性，λ₁为可学习的参数；形状先验E_s(u)为：

其中，H为黑塞矩阵。

5.根据权利要求1所述的无监督式的宫颈细胞图像自动分割方法，其特征在于，所述步骤7)的后处理为：使用医学图像处理中的形态学操作对图像的边缘进行修补，填充空洞并去除细的连接，从而得到最终的精准边界信息。

6.一种无监督式的宫颈细胞图像自动分割系统，包括存储器、处理器和存储在存储器上的并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～5所述方法的步骤。